1. 项目概述：从“能读”到“读得好”

上次我们聊了Matlab读取.txt、.dat这些基础文本文件，算是把文件读取的“大门”给推开了。但实际工作中，我们面对的数据格式要复杂得多，尤其是像CSV和Excel这种表格类数据，它们几乎是数据分析的“标配”。很多朋友在初次接触时，会觉得用xlsread或者readtable读一下不就完了？但真这么操作，往往会遇到编码乱码、日期格式错乱、数值被误读为文本、大文件读取缓慢甚至内存溢出等一系列头疼的问题。这就像给你一把钥匙，但没告诉你哪扇门对应哪个锁芯，拧错了方向，要么打不开，要么把钥匙拧断在锁里。

所以，这篇内容的目标很明确：不止于教会你用哪个函数，更要深挖每个函数背后的参数逻辑、适用场景和隐藏的“坑”。我们将聚焦于CSV（逗号分隔值）文件和Excel文件这两种最主流的表格数据格式，拆解从简单读取到高级处理的全过程。无论你是要处理实验导出的数据，还是分析金融报表，亦或是整合来自不同系统的日志，掌握这些技巧都能让你事半功倍，真正把数据“读”进心里，而不是仅仅加载到工作区。

2. 核心思路与工具选型：为什么是它们？

面对CSV和Excel，Matlab提供了不止一条路径。选择哪条路，取决于你的数据“长什么样”、你打算用它来做什么，以及你对性能和便利性的权衡。

2.1 CSV文件读取：readtable、readmatrix与textscan的三国演义

CSV文件本质上是带有特定分隔符（通常是逗号）的文本文件。Matlab为此提供了多个函数，各有侧重。

readtable：全能型选手，首推之选这是目前读取结构化表格数据最推荐、最强大的函数。它会自动识别表头（第一行），将每一列数据读取为一个变量，并存储在一个table类型的变量中。table的优势在于，你可以通过列名（T.列名）来访问数据，代码可读性极高，特别适合列数多、列名有明确含义的数据。它还能自动推断每列的数据类型（双精度、字符串、分类变量等），省去了大量后续转换的麻烦。

readmatrix：数值矩阵的快速通道如果你的CSV文件全是数字，没有表头，或者你只关心其中的数值部分，那么readmatrix是性能更优的选择。它直接返回一个数值矩阵（double类型），跳过任何非数值内容（如文本表头）。对于纯数值的大文件，它的读取速度通常比readtable快。

textscan：精细化控制的“手术刀”这是底层、灵活但稍显复杂的函数。它允许你精确指定每一列的格式（如%f代表浮点数，%s代表字符串），对于非标准格式（如混合分隔符、不规则缺失值）的文件有极强的处理能力。当你需要处理“脏数据”或进行非常规解析时，textscan是不可或缺的工具。但它的学习成本较高，代码也相对冗长。

选择心法：日常规整数据用readtable；纯数值大数据用readmatrix；格式诡异、需要定制化解析时，请出textscan。

2.2 Excel文件读取：告别古老的xlsread

在较新的Matlab版本（R2019a以后），官方强烈建议使用readtable和readmatrix来替代旧的xlsread函数。原因很简单：性能和功能。

旧的xlsread函数依赖于Windows系统的Excel组件（或需要安装兼容性插件），在非Windows系统或服务器无GUI环境下可能无法工作，且读取速度较慢。而新的readtable/readmatrix基于独立的文件解析库，跨平台兼容性好，速度更快，功能也更一致（参数设置与读CSV时类似）。

readtablefor Excel：读取Excel文件中的表格，返回table。你可以指定工作表名、数据范围，甚至读取多个工作表。readmatrixfor Excel：读取Excel文件中的数值区域，返回矩阵。

3. CSV文件读取实战：参数详解与避坑指南

理论说再多，不如一行代码。我们直接上实战，看看如何用readtable优雅地解决各种实际问题。

3.1 基础读取与编码问题

最基本的读取，只需要一个文件名：

dataTable = readtable('data.csv');

这行代码会假设第一行是表头，逗号是分隔符。但如果你的文件是中文环境生成的，可能会遇到乱码。这是因为文件的编码可能是GB2312或GBK，而Matlab默认使用UTF-8。这时，你需要指定FileEncoding参数：

dataTable = readtable('data.csv', 'FileEncoding', 'GB2312');

常见的编码还有UTF-8、ISO-8859-1等。如果打开文件看到乱码，优先检查编码。

3.2 处理缺失值与非常规数据

CSV文件中的缺失值可能表示为NA、NULL、-999或直接空着。readtable默认将连续分隔符之间的空值视为缺失（<missing>）。如果你想将特定字符串（如-999）也识别为缺失，可以使用TreatAsMissing参数：

dataTable = readtable('data.csv', 'TreatAsMissing', {'NA', 'NULL', '-999'});

有时，数据里可能包含像1,234这样的数字（千位分隔符），如果直接读，Matlab会将其视为字符串。你需要告诉它忽略这些逗号：

dataTable = readtable('data.csv', 'ThousandsSeparator', ',');

3.3 精确控制读取范围与数据类型

你不需要每次都读取整个文件。

• 指定范围：使用Range参数。例如，读取A1到D100这个矩形区域：'Range', 'A1:D100'。注意，这里的字母列标是Excel风格，但同样适用于CSV（从A开始计数）。
• 选择变量（列）：使用VariableNamesRange指定表头行，用SelectedVariableNames选择需要的列。
• 强制数据类型：虽然readtable能自动推断，但有时会出错（如将编号001读成数字1）。你可以通过opts = detectImportOptions('data.csv')先获取导入选项对象，然后修改opts.VariableTypes，最后用readtable('data.csv', opts)读取。

一个综合示例：读取一个用分号分隔、第一行是表头、编码为GBK、将N/A视为缺失、只读取'Time'和'Value'两列的数据。

opts = delimitedTextImportOptions('Delimiter', ';', ... 'VariableNamesRange', 1, ... 'Encoding', 'GBK', ... 'MissingRule', 'fill', ... 'TreatAsMissing', {'N/A'}, ... 'SelectedVariableNames', {'Time', 'Value'}); dataTable = readtable('data.csv', opts);

3.4 大文件读取策略与性能优化

当CSV文件有几个G甚至更大时，一次性读入内存可能导致Out of memory错误。这时有几种策略：

1. 分块读取：使用datastore函数。它可以创建一个指向数据文件的引用，然后你可以分块（chunk）读取和处理，非常适合数据清洗和预处理。

   ds = datastore('huge_data.csv', 'TextscanFormats', {'%f', '%f', '%s'}); % 指定格式提升速度 while hasdata(ds) chunk = read(ds); % 每次读取一块数据 % 处理这块数据... end

2. 只读部分列/行：如前所述，利用SelectedVariableNames和Range参数减少数据量。
3. 使用readmatrix：如果数据全是数值，readmatrix的内存效率和速度通常更好。

实操心得：对于超过内存容量50%的大文件，强烈建议优先考虑datastore。它不仅是读取工具，更是一种处理流式数据的编程模型。

4. Excel文件读取实战：跨越.xls与.xlsx的鸿沟

Excel文件的复杂性在于其可能包含多个工作表、复杂的合并单元格、公式以及格式信息。我们的目标通常是获取其中的原始数据。

4.1 基础读取与工作表选择

读取Excel文件的基础语法与CSV类似：

% 读取默认（第一个）工作表 dataTable = readtable('data.xlsx'); % 读取名为‘Sheet2’的工作表 dataTable = readtable('data.xlsx', 'Sheet', 'Sheet2'); % 读取第二个工作表（按索引） dataTable = readtable('data.xlsx', 'Sheet', 2);

4.2 处理复杂表头与数据范围

Excel表头可能占多行（比如第一行是大标题，第二行才是列名）。readtable的Range参数在这里大显身手。

% 假设数据从B3单元格开始，表头在第三行 dataTable = readtable('data.xlsx', 'Range', 'B3'); % 或者更精确地，指定数据区域B3:G100 dataTable = readtable('data.xlsx', 'Range', 'B3:G100');

如果表头不在第一行，你需要用ReadVariableNames参数设为false，然后手动指定或处理。

opts = detectImportOptions('data.xlsx', 'Sheet', 'Sheet1'); opts.DataRange = 'A5'; % 数据从A5开始 opts.VariableNamesRange = 'A4'; % 表头在A4行 opts.ReadVariableNames = true; % 根据VariableNamesRange读取变量名 dataTable = readtable('data.xlsx', opts);

4.3 读取数值与忽略公式

默认情况下，readtable会读取单元格中显示的值。如果单元格包含公式，读取的是公式计算的结果。这通常是我们想要的。但如果你需要读取公式本身，那就比较麻烦，可能需要借助COM接口（不推荐，复杂且慢）。对于绝大多数数据分析场景，读取计算结果即可。

4.4 批量读取多个工作表或文件

读取单个文件的所有工作表：

filePath = 'data.xlsx'; [~, sheetNames] = xlsfinfo(filePath); % 获取所有工作表名 for i = 1:length(sheetNames) currentSheet = sheetNames{i}; data.(currentSheet) = readtable(filePath, 'Sheet', currentSheet); % 存入结构体 end % 通过 data.Sheet1, data.Sheet2 访问

批量读取多个Excel文件：结合dir函数和循环。

files = dir('*.xlsx'); % 找到当前文件夹所有.xlsx文件 allData = cell(length(files), 1); for k = 1:length(files) fullPath = fullfile(files(k).folder, files(k).name); allData{k} = readtable(fullPath, 'Sheet', 'Data'); % 假设每个文件都有‘Data’表 end

5. 数据类型转换与后处理：读进来之后怎么办？

数据读入为table后，工作才完成了一半。经常需要进行的后处理包括：

5.1 处理日期与时间

CSV/Excel中的日期时间可能被读成字符串（如'2023-10-27'）或Excel序列日期（一个数字）。readtable通常会尝试自动转换，但如果不成功，你需要手动处理。

% 假设‘DateStr’列是字符串格式的日期 dataTable.Date = datetime(dataTable.DateStr, 'InputFormat', 'yyyy-MM-dd'); % 如果‘ExcelDate’列是Excel序列日期（从1900-1-0开始计数的天数） dataTable.Date = datetime(dataTable.ExcelDate, 'ConvertFrom', 'excel');

使用datetime类型能让你方便地进行日期运算、绘图和分组。

5.2 分类数据与文本处理

对于像‘Gender’（M/F）、‘Category’（A/B/C）这样的有限类别文本列，将其转换为categorical类型可以节省内存并提高后续分组操作的性能。

dataTable.Gender = categorical(dataTable.Gender);

对于一般的文本列（字符串），可以使用string类型进行操作，如查找、替换、分割等。

5.3 表格操作与导出

从table中提取数据非常直观：

% 提取‘Price’列为一个向量 prices = dataTable.Price; % 点索引，推荐 % 或 prices = dataTable{:, 'Price'}; % 花括号索引，返回数组 % 提取多列，返回子表 subTable = dataTable(:, {'ID', 'Name', 'Value'}); % 根据条件筛选行 highValueData = dataTable(dataTable.Value > 100, :);

处理完成后，你可以用writetable函数将table写回CSV或Excel文件，格式与读取时类似。

writetable(dataTable, 'processed_data.xlsx', 'Sheet', 'Results');

6. 高级技巧与疑难杂症排查

在实际操作中，你肯定会遇到一些“诡异”的情况。这里记录几个我踩过的坑和解决方案。

6.1 混合数据类型的列

有时一列里既有数字又有文本（例如，大部分是数值，但混有‘N/A’或‘<LOD’）。readtable可能会整列都读成文本（cell数组），或者读错。解决方案是：

1. 先全部以文本形式读入：opts = detectImportOptions(..., 'VariableTypes', 'string');
2. 然后对特定列进行清洗和转换：

   % 假设‘MixedCol’是混合列 numericMask = ~isnan(str2double(dataTable.MixedCol)); % 尝试转换为数字，成功则为数字 dataTable.NumericPart(numericMask) = str2double(dataTable.MixedCol(numericMask)); dataTable.TextPart(~numericMask) = dataTable.MixedCol(~numericMask);

6.2 不规则的分隔符或引号

有些CSV文件使用制表符\t、分号;或空格作为分隔符，或者文本字段用了单引号而非双引号包裹。这时需要明确指定：

dataTable = readtable('data.csv', 'Delimiter', ';', 'TextType', 'string'); % 或者通过ImportOptions opts = delimitedTextImportOptions('Delimiter', '\t', 'QuoteChar', '''');

6.3 读取性能瓶颈

如果读取非常大的Excel文件速度很慢，可以尝试：

• 关闭预览：在detectImportOptions中设置opts.Preview = 'none'，避免预览扫描。
• 明确指定变量类型：为opts.VariableTypes指定明确类型（如‘double’,‘string’），比自动检测快。
• 考虑转换为CSV：如果可能，在外部将Excel文件另存为CSV，再用Matlab读取，速度会有数量级提升。
• 使用readmatrix：如果只读数值，这是最快的。

6.4 内存不足错误

除了前面提到的datastore分块读取，对于Excel文件，如果因为包含大量格式或空行导致文件虚大，可以尝试：

• 在Excel中手动将文件另存为.xlsx（如果原来是.xls），新格式压缩率更高。
• 删除无关的工作表和空行空列。
• 使用opts.DataRange精确限定数据区域，避免读取整个工作表的海量空白单元格。

6.5 版本兼容性与函数更新

留意你使用的Matlab版本。一些旧的代码可能使用csvread（已基本被淘汰）或xlsread。在新项目中，应统一使用readtable/readmatrix/writetable这一套函数族，它们功能更强大、文档更统一、维护也更好。如果接到旧代码，了解这些函数差异有助于你进行现代化重构。

文件读取是数据分析的基石，一个稳健、高效的读取流程能为后续所有分析节省大量时间和精力。我的习惯是，对于任何一个新的数据源，先用detectImportOptions看一眼它的结构，再写一个小的读取脚本进行测试，确认数据类型、缺失值处理都符合预期后，再嵌入到大的分析流程中。磨刀不误砍柴工，在“读”这个环节多花十分钟，往往能在后面避免几个小时的调试时间。